首先对 图像 进行超像素分割预处理,然后利用 图像 的颜色特征和空间特征算出区域对比度,再结合 图像 子区域与其邻域像素平均特征向量的距离以 及 中心优先原则得到 图像 高质量的 显著 图。 仿真实验结果表明,与其他的 显著性检测 算法相比,可以更加有效地 检测 出 显著性 目标,更好地抑制背景。
显著性图的目的是通过显著性的空间分布来表示醒目度(conspicuity-saliency)或显著度:在视野中每个位置用一个定量向量表示,引导注意位置的选择。 通过一个动态神经网络模型,特征图的组合可以向显著性图提供BU输入。
此文件包括三个关于 图像显著性 的 代码 ,每个模型单独成一个文件夹,并用其模型名称命名,三个模型分别是ITTi模型、GBVS模型和SR模型,这三个模型都是使用MATLAB实现的,下载后可以直接使用MATLAB运行,另文件附有一个链接。 随着计算机视觉的发展, 图像显著 区域 检测 在 图像 处理领域越来越重要。
一般的模型都是将显著性问题转化为目标特殊性质检测的问题,例如一些颜色特征、亮度特征、纹理特征等等,面对不可预测、无数的视觉模式类别,我们需要一个通用的显著性检测系统。 如果要提出一个通用的显著性检测系统,那么根据以往的模型,就必须找到目标通用的特征,但是这基本上是不可能的事,每个目标都有自己与众不同的特性。